auc计算方法总结

面试的时候回答的不清楚，学习&总结如下。
参考link

1.ROC曲线

对于二值分类器，评价指标主要有precision，recall，F-score(综合考虑precision和recall的调和值)

ROC曲线上的每个点反映着对同一信号刺激的感受性。横坐标FPR越大，预测正类中实际上负类越多。纵坐标TPR越大，预测正类中实际正类越多。所以最好的情况是（0,1）时。

ROC曲线

【其他知识点】
混淆矩阵

混淆矩阵

2.如何画roc曲线

对一个特定的分类器和测试数据集，只能得到一个分类结果。需要一组FPR和TPR的值。

简单来说就是，每个样本根据预测值排好序，然后依次将每个值当做阈值，计算该阈值下的FPR和TPR。

3.AUC的计算

AUC（area under curve）即ROC曲线下的面积。（随机给定一个正样本和一个负样本，分类器输出该正样本为正的那个概率值 比 分类器输出该负样本为正的那个概率值 要大的可能性）